XiaoMi-AI文件搜索系统
World File Search SystemApplying
将锂离子二次电池应用于离网太阳能供电系统——农村发展的社会经济案例研究
摘要 非洲农村地区的社会经济发展离不开适当的基础设施。而其中的关键就是电气化。尽管有各种国家和国际活动和扩展计划，以及各种各样的参与者，但这些活动的实施进展缓慢。为了向偏远地区供电，近年来离网系统技术变得越来越普遍。在本文中，我们将介绍使用光伏系统与 85kWh 二次锂离子电池 (LIB) 结合作为离网混合系统为坦桑尼亚维多利亚湖的一个岛屿供电作为社会经济案例研究。该离网混合系统每天平均能够提供 42.31kWh 的能源，项目中成功连接的关键基础设施（如当地医院和学校）的每日需求量为 18.75kWh。规模年产量为 15,443.16kWh，足以为私人家庭以及当地渔业提供电力供应。假设预期寿命为 15 年，所述系统从第 4 年开始摊销。此外，考虑到全球电动汽车的快速发展和二手锂离子电池的预期回报，该项目还应成为电池的二次生命场景。与传统柴油发电机解决方案相比，经济和生态评估表明使用二次生命锂离子电池是一种解决方案。评估中包括对健康方面的考虑。
社论：应用大型动物进行发育研究和疾病建模
1 中国医科大学健康科学研究所帕金森病及相关疾病研究实验室，中国沈阳，2 海南大学生物医学工程学院海南省生物医学工程重点实验室，中国海口，3 法国雷恩大学法国国家科学研究院上皮细胞动力学与力学系，雷恩遗传与发育研究所 (IGDR)，法国雷恩，4 军事医学研究所 (WIM-PIB) 分子肿瘤学与创新疗法实验室，波兰华沙，5 中国农业大学生物科学学院动物生物技术育种国家重点实验室，中国北京，6 中国农业大学三亚研究所，中国三亚，7 东北大学生命与健康科学学院辽宁省生物资源研究与开发重点实验室，中国沈阳
Astrid Musnier、Christophe Dumet、Saheli Mitra、Adrien Verdier、Raouf Keskes 等人。应用人工智能加速和降低抗体发现风险。药物发现前沿，2024 年，4，第 1339697 页。10.3389/fddsv.2024.1339697。hal-04672537
与所有科学和工业领域一样，人工智能 (AI) 有望在未来几年对抗体的发现产生重大影响。抗体的发现传统上是通过一系列实验步骤进行的：动物免疫、相关克隆的筛选、体外测试、亲和力成熟、动物模型体内测试，然后是不同的人性化和成熟步骤，产生将在临床试验中进行测试的候选药物。该方案存在不同的缺陷，导致整个过程非常危险，流失率超过 95%。计算机方法的兴起，其中包括人工智能，已逐渐被证明能够以更强大的过程可靠地指导不同的实验步骤。它们现在能够覆盖整个发现过程。在这个新领域的参与者中，MAbSilico 公司提出了一种计算机模拟流程，可以在几天内设计出抗体序列，这些序列已经人性化并针对亲和力和可开发性进行了优化，大大降低了风险并加快了发现过程。
Lukas Fischer、Lisa Ehrlinger、Verena Geist、Rudolf Ramler、Florian Sobieczky 等人。将人工智能应用于实践：关键挑战和经验教训。第四届机器学习和知识提取国际跨领域会议 (CD-MAKE)，2020 年 8 月，爱尔兰都柏林。第 451-471 页，�10.1007/978-3-030-57321-8_25�。�hal-03414730�
缺乏置信度度量：最先进的深度学习方法的另一个特点是缺乏置信度度量。与基于贝叶斯的机器学习方法相比，大多数深度学习模型不提供模型不确定性的合理置信度度量。例如，在分类模型中，顶层（主要是 softmax 输出）中获得的概率向量通常被解释为模型置信度，参见 [26] 或 [35]。然而，像 softmax 这样的函数可能会导致对远离训练数据的点进行不合理的高置信度外推，从而提供一种虚假的安全感 [39]。因此，尝试将贝叶斯方法也引入 DNN 模型似乎是很自然的。由此产生的不确定性度量（或同义的置信度度量）依赖于给定数据权重的后验分布的近似值。作为此背景下的一种有前途的方法，变分技术（例如基于 Monte Carlo dropout [27]）允许将这些贝叶斯概念转化为计算上可处理的算法。变分方法依赖于 Kullback-Leibler 散度来测量分布之间的差异。因此，所得的近似分布集中在单一模式周围，低估了该模式之外的不确定性。因此，对于给定实例的结果置信度度量仍然不令人满意，并且可能仍然存在误解高置信度的区域。
航空公司票价应用机器学习的预测...
本文讨论了机票的问题。为此目的选择了一组定义典型飞行的特征，假设这些特征会影响航空机票的价格。航班票价取决于不同参数，例如飞行时间表，目的地和持续时间，各种场合，例如假期或假期季节。因此，在预订假期之前对飞行价格有基本的了解无疑会节省许多个人的金钱和时间。分析3个数据集以获取有关航空公司票价的见解，以及三个数据集的功能应用于用于预测航空公司票价的七个不同机器学习（ML）模型，并将其比较。目标是调查确定飞行成本的因素。然后，数据可用于创建预测飞行价格的系统。关键词：航空公司票价的预测，机器学习技术，算法
将可解释的人工智能技术应用于链接的开放政府数据
摘要。机器学习和人工智能模型有可能简化公共服务和政策制定。然而，模型揭示的模式往往比模型的性能更重要。可解释人工智能 (XAI) 最近被引入作为一组技术，可以解释模型做出的单个决策。尽管 XAI 在各个领域都已被证明很重要，但在公共管理中使用相关技术的需求直到最近才出现。本文的目的是探讨使用以链接开放统计数据形式提供的高质量开放政府数据创建 XAI 模型的价值和可行性。为此，介绍了一种利用链接开放统计数据创建可解释模型的过程。此外，还描述了一个案例研究，其中利用来自苏格兰开放统计门户的链接数据来预测和解释数据区平均房价高于苏格兰平均价格的概率。XGBoost 算法用于创建预测模型，并使用 SHAP 框架来解释它。
在开放LLMS上应用检索功能的一代，以支持高血压患者的医疗聊天机器人
抽象疾病管理，特别是对于慢性病或老年人，涉及持续监测，生活方式调整和频繁的医疗互动，需要有效的家庭护理解决方案。为了满足这些需求，聊天机器人技术已成为支持患者自主管理健康的有前途的工具。在这种情况下，聊天机器人必须提供及时，准确的信息和持续的善解人意支持，以维持患者的参与度。此外，数据隐私问题需要避免第三方自然语言处理和发电服务。为了满足这些需求，在本文中，我们建议开发聊天机器人，以支持患者管理慢性病，重点关注高血压。特别是，由于隐私要求，我们使用开源大型语言模型来避免专有系统。鉴于他们的性能基于最先进的指标，我们不竞争第三方服务，因此我们结合了检索增强发电（RAG）技术，建立了一个知识库，并通过医学专业人员的投入来提高模型性能。我们评估了七个开源型号，其中包括两个在医疗领域进行的专门培训。我们的结果表明，抹布可显着提高性能，超过没有抹布的专门医疗域模型。这种方法提供了一种有希望的解决方案，用于独立安全地管理慢性条件。
将数据保护原则应用于生成人工智能
生成式人工智能 (genAI) 系统已经问世，并将持续存在，支持个人和企业用户大规模快速地生成音频、代码、图像、文本和视频内容。在 genAI 工具广泛用于公众的短时间内，我们见证了世界各地个人和组织的广泛采用。OpenAI 的 ChatGPT 现在每周拥有超过 2 亿活跃用户，1 微软的 Github Copilot 拥有超过一百万付费用户，2 根据麦肯锡技术委员会 2024 年的一项研究，65% 的全球组织已在至少一个业务功能中采用了 genAI 系统。3 一般而言，genAI 系统依赖于通用人工智能 (AI) 模型（也称为基础模型 4），这些模型通常使用大量数据进行训练以实现各种目的。例如，大型语言模型使用来自多种来源的数十亿字节文本数据进行训练，例如来自网络的公开数据（其中可能包括个人数据）、许可数据以及学术和行业数据集。 5 从这些庞大而多样化的数据集中，genAI 模型经过训练，能够识别单词与其他数据（如图像、视频和音频）之间的统计关系，以响应各种用户提示，并做出概率预测，从而生成有用的输出。 6 此外，genAI 模型可以进一步“微调”和个性化，使用专门策划的数据，以便更好地完成特定目的。例如，genAI 模型可以使用医疗数据进行微调，以协助医生和医护人员做笔记和临床记录。 7 模型还可以个性化，以在客户参与或个性化辅导环境中回答新问题。 GenAI 系统要求用户输入提示以获得生成的输出，输入和输出有时可能包括个人甚至敏感信息。 8 在部署期间，genAI 模型可能会泄露或披露来自训练数据集的个人数据，并生成与个人相关的不准确数据（也称为“幻觉”），恶意行为者可以使用各种方法绕过为避免泄露 genAI 模型中的个人数据而设置的保护栏。因此，数据保护机构、其他监管机构以及研究人员越来越多地讨论数据保护法是否以及如何适用于 genAI 工具，这些系统可能给数据保护带来哪些新的风险，以及如何解决某些数据保护原则与 genAI 之间的潜在紧张关系。本讨论文件考虑了以下关键的隐私和数据保护概念，并探讨了如何将它们有效地应用于 genAI 模型和系统的开发和部署：